随着处理器技术的飞速发展,处理器的性能评估逐渐成为学术界和工业界共同关注的焦点。在超标量乱序处理器的性能评估中,稳态性能部分大约占处理器总性能的20%。当前学术界普遍使用基于指令窗口曲线(Instruction Window Curve,IW曲线)的稳定状态吞吐率模型评估处理器的稳态性能,但是这一模型缺乏对指令依赖关系和指令类型的综合考虑,并且模型中存在一个不合理的假设:指令窗口大小等于重排序缓冲区(Reorder Buffer,ROB)大小。本文旨在综合考虑指令依赖关系和指令类型两个维度,建立基于神经网络的稳定状态吞吐率模型,用于快速准确地评估处理器的稳态性能。本文的工作主要包含两个方面:第一,设计实验分析影响稳定状态吞吐率的因素并评估基于IW曲线的稳态吞吐率模型。首先,针对指令依赖关系、指令混合比、流水线宽度以及功能单元数目,分别设计相应的测试程序进行验证、分析;然后,在gem5仿真平台上,复现基于IW曲线的稳态吞吐率模型;最后,从平均指令逗留时间和指令窗口大小两个方面详细分析基于IW曲线的模型存在的不足。第二,建立基于神经网络的稳态吞吐率模型。首先,从指令依赖关系和指令类型出发,在前人建立的关键路径长度理论的基础上,提出一个新的特征维度:依赖链路延迟分布;然后,分析依赖链路延迟分布和稳态吞吐率值的关系并建立基于神经网络的稳定状态吞吐率模型;最后,考虑流水线微架构参数对稳态吞吐率的影响,包括流水线宽度,流水线后端功能单元数目等参数,修正和完善稳态吞吐率模型。本文建立的模型在4种不同的ROB大小配置下,分别采用11种不同的应用对模型的精度进行验证。与gem5仿真结果相比,模型自预测的平均精度大约为94.4%,模型跨应用预测的平均精度在91%左右;与基于IW曲线的稳定状态吞吐率模型相比,本文所建立的模型平均精度提高超过10%;在时间开销方面,模型和gem5仿真器相比,平均可以节省71.42%的时间。